矩阵数据分析法

矩阵数据分析法（MatrixDataAnalysisChart），它是\o"新的质量管理七种工具"新的质量管理七种工具之一。\o"矩阵图"矩阵图上各元素间的关系如果能用\o"数据定量化"数据定量化表达，就能更精确地整顿和分析成果。这种能够用数据表达的\o"矩阵图法"矩阵图法，叫做矩阵数据分析法。在\o"QC新七种工具"QC新七种工具中，数据矩阵分析法是唯一种运用\o"数据分析"数据分析问题的办法，但其成果仍要以图形表达。数据矩阵分析法的重要办法为\o"主成分分析法"主成分分析法（Principalcomponentanalysis），运用此法可从原始数据获得许多有益的情报。主成分分析法是一种将多个变量化为少数综合变量的一种多元统计办法。矩阵数据分析法，与\o"矩阵图法"矩阵图法类似。它区别于矩阵图法的是：不是在矩阵图上填符号，而是填数据，形成一种分析数据的矩阵。它是一种\o"定量分析"定量分析问题的办法。现在，在日本尚广泛应用，只是作为一种“储藏工具”提出来的。应用这种办法，往往需求借助电子计算机来求解。[\o"编辑段落:矩阵数据分析法的原理"编辑]矩阵数据分析法的原理在矩阵图的基础上，把各个因素分别放在行和列，然后在行和列的交叉点中用数量来描述这些因素之间的对比，再进行数量计算，\o"定量分析"定量分析，拟定哪些因素相对比较重要的。[\o"编辑段落:矩阵数据分析法的应用时机"编辑]矩阵数据分析法的应用时机当我们进行\o"顾客调查"顾客调查、\o"产品设计"产品设计或者其它多个方案选择，做决策的时候，往往需要拟定对几个因素加以考虑，然后，针对这些因素要权衡其重要性，加以排队，得出加权系数。譬如，我们在做\o"产品设计"产品设计之前，向顾客调核对产品的规定。运用这个办法就能拟定哪些因素是临界\o"质量特性"质量特性。[\o"编辑段落:和其它工具结合使用"编辑]和其它工具结合使用1.能够运用\o"亲和图"亲和图（affinitydiagram）把这些规定归纳成几个重要的方面。然后，运用这里介绍进行成对对比，再汇总统计，定量给每个方面进行重要性排队。2.\o"过程决策图"过程决策图执行时拟定哪个决策适宜时能够采用。3.\o"质量功效展开"质量功效展开。两者有差别的。本方法是各个因素之间的互相对比，拟定重要程度；而\o"质量功效展开"质量功效展开能够运用这个办法的成果。用来拟定具体产品或者某个特性的重要程度。固然，尚有其它多个办法能够采用，但是，这种办法的好处之一是能够运用电子表格软件来进行。[\o"编辑段落:如何使用矩阵数据分析法"编辑]如何使用矩阵数据分析法下面通过例子来介绍如何进行矩阵数据分析法。1、拟定需要分析的各个方面。我们通过亲和图得到下列几个方面，需要拟定它们相对的重要程度：易于控制、易于使用、网络性能、和其它软件能够兼容、便于维护。2、构成数据矩阵。用Excel或者手工做。把这些因素分别输入表格的行和列，如表所示。3、拟定对比分数。自己和自己对比的地方都打0分。以“行”为基础，逐个和“列”对比，拟定分数。“行”比“列”重要，给正分。分数范畴从9到1分。打1分表达两个重要性相称。譬如，第2行“易于控制”分别和C列“易于使用”比较，重要某些，打4分。和D列“网络性能”比较，相称，打1分。…………如果“行”没有“列””重要，给反过来重要分数的倒数。譬如，第3行的“易于使用”和B列的“易于控制”前面已经对比过了。前面是4分，现在取倒数，1/4=0.25。有D列“网络性能”比，没有“网络性能”重要，反过来，“网络性能”比“易于使用”重要，打5分。现在取倒数，就是0.20。事实上，做的时候能够围绕以0构成的对角线对称填写对比的成果就能够了。表1：矩阵数据分析法ABCDEFGH1易控制易使用网络性能软件兼容便于维护总分权重%2易于控制04131926.23易于使用0.2500.200.330.251.033.04网络性能150331234.95软件兼容0.3330.3300.33411.66便于维护140.33308.3324.2总分之和34.374、加总分。按照“行”把分数加起来。在G列内得到各行的“总分”。5、算权重分。把各行的“总分”加起来，得到“总分之和”。再把每行“总分”除以“总分之和”得到H列每个“行”的权重分数。权重分数愈大，阐明这个方面最重要，“网络性能”34.9分。另首先是“易于控制”26.2分。[\o"编辑段落:矩阵数据分析法案例分析"编辑]矩阵数据分析法案例分析[\o"编辑段落:案例一：矩阵数据分析法在软件项目中的应用"编辑]案例一：矩阵数据分析法在软件项目中的应用软件缺点的产生是由多方面的因素造成的，缺点数据反映了开发过程中多个因素互相作用的对应关系。在实施了多个软件项目的开发后来，已经积累了一定数量的历史缺点数据，我们如何运用这些数据找到开发过程中容易产生质量问题的环节和因素呢?如果只是粗略地看历史\o"统计数据"统计数据，是很难看出各项目之间及项目的生命周期各阶段的缺点率的差别的。我们能够用这些历史数据来设计一种矩阵，用矩阵数据分析法就能求出多个项目的各个阶段产生缺点率的高低，找到产生缺点的核心因素，这样能够协助理解引入的缺点，从而对新开发的项目会引入的缺点数做出一种相称合理的\o"预测"预测，达成控制缺点率，提高软件质量的目的。随着实施的软件项目数量的增加，收集到的缺点数据越来越多，生成的矩阵越大，对将来缺点率预测和控制的精确性也就越高，软件整体质量呈螺旋式稳步上升。下面通过一种例子来阐明矩阵数据分析法在软件缺点管理中的具体应用。为了拟定软件缺点重要出现在\o"项目生命周期"项目生命周期六个阶段中的哪几个阶段，我们对n个开发项目进行统计，每个项目计算六个阶段的缺点密度，为了验证成果重复性，又将这n个项目分为Ⅰ、Ⅱ两组，每组n／2个项目，然后对数据求均值、\o"原则差"原则差、\o"有关系数"有关系数、特性值、特性向量，得出三个主成分，也就拟定了项目生命周期中出现大部分缺点的几个阶段，为改善项目单薄环节提供根据。具体环节以下：①将以往软件项目积累的历史缺点数据进行分类、统计列表。各项目在生命周期各阶段的历史缺点率数据见表3。②根据表3数据计算均值、原则差和有关系数，计算成果见表4。③根据有关系数矩阵(表4)求特性值、特性向量和\o"奉献率"奉献率。由于计算量很大，方程的计算用计算机完毕。计算成果见表5。④分析计算成果。奉献率代表主成分的影响程度，数值越大代表性越大，特性向量表达项目与该主成分的关系。从